基于宽度优先搜索的K-medoids聚类算法

• 作者: 周雅梅 潘楚 颜宏文
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: K-medoids聚类算法 粒计算 相似对象二叉树 宽度优先搜索 适应度函数
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 1302-1305
• 页数: 4页
• 分类号: TP301
• 字数: 4781字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.05.1302

摘要

针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略.首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点;然后,根据对象间的相似性分别对K个粒子中的对象建立以中心点为根节点的相似对象二叉树,通过宽度优先搜索遍历二叉树迭代出最优中心点,同时采用簇间距离和簇内距离优化准则函数.实验结果表明,所提算法在UCI中Iris和Wine标准数据集中测试,在有效缩短迭代次数的同时保证了算法聚类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜宏文	长沙理工大学计算机与通信工程学院	21	213	7.0	14.0
2	潘楚	长沙理工大学计算机与通信工程学院	3	39	3.0	3.0
6	周雅梅	长沙理工大学计算机与通信工程学院	1	13	1.0	1.0